• 방송공학회논문지
• /
• 제27권6호
• /
• pp.885-896
• /
• 2022

제조에서의 모터 불량은 향후 A/S 및 신뢰성에 중요한 역활을 한다. 모터의 불량 구분은 소리, 전류, 진동등의 측정을 통해 검출한다. 본 논문에서 사용한 데이터는 자동차 사이드미러 모터 기어박스의 소리를 사용하였다. 모터 소리는 3가지의 클래스로 구성되어 있다. 소리 데이터는 멜스펙트로그램을 통한 변환 과정을 거쳐 네트워크 모델에 입력된다. 본 논문에서는 불량 모터 구분 성능을 올리기 위한 데이터 증강, 클래스 불균형에 따는 다양한 데이터 재샘플링, 재가중치 조절, 손실함수의 변경, 표현 학습과 클래스 구분의 두 단계 분리 방법 등 다양한 방법을 적용하였으며, 추가적으로 커리큘럼 러닝 방법, 자기 스페이스 학습 방법 등을 Bidirectional LSTM Attention, Convolutional Recurrent Neural Network, Multi-Head Attention, Bidirectional Temporal Convolution Network, Convolution Neural Network 등 총 5가지 네트워크 모델을 통하여 비교하고, 모터 소리 구분에 최적의 구성을 찾을 수 있었다.

• 반도체디스플레이기술학회지
• /
• 제21권4호
• /
• pp.65-70
• /
• 2022

In manufacturing and semiconductor industries, transfer robots increase productivity through accurate and continuous work. Due to the nature of the semiconductor process, there are environments where humans cannot intervene to maintain internal temperature and humidity in a clean room. So, transport robots take responsibility over humans. In such an environment where the manpower of the process is cutting down, the lack of maintenance and management technology of the machine may adversely affect the production, and that's why it is necessary to develop a technology for the machine failure diagnosis system. Therefore, this paper tries to identify various causes of failure of transport robots that are widely used in semiconductor automation, and the Prognostics and Health Management (PHM) method is considered for determining and predicting the process of failures. The robot mainly fails in the driving unit due to long-term repetitive motion, and the core components of the driving unit are motors and gear reducer. A simulation drive unit was manufactured and tested around this component and then applied to 6-axis vertical multi-joint robots used in actual industrial sites. Vibration data was collected for each cause of failure of the robot, and then the collected data was processed through signal processing and frequency analysis. The processed data can determine the fault of the robot by utilizing machine learning algorithms such as SVM (Support Vector Machine) and KNN (K-Nearest Neighbor). As a result, the PHM environment was built based on machine learning algorithms using SVM and KNN, confirming that failure prediction was partially possible.

• 한국산학기술학회논문지
• /
• 제17권9호
• /
• pp.493-501
• /
• 2016

본 연구에서는 급곡선과 급구배가 많은 산악 도로 상의 궤도에서 운행할 수 있는 산악트램의 추진시스템 핵심 기술을 개발하였다. 국내 산악 관광지는 겨울철 폭설과 결빙에 의해 교통이 통제되고 있어 지형 조건 뿐만 아니라 기후 조건에도 무관한 산악철도가 필요하다. 먼저, 일반적인 120‰ 구배 등반에 소요되는 견인전동기 출력을 고려하여 추진시스템을 설계하였으며, 추진장치 설치 공간을 고려하여 동력 전달 계통을 설계하고 감속기 및 동력 전달축을 개발하였다. 급구배 상승을 위해 필요한 랙앤피니언 추진장치의 강체 접촉에 의한 진동 소음을 줄이기 위해 탄성 피니언을 개발하여 적용하였으며, 충격 비교 시험을 통해 기존 강체 피니언에 비해 진동이 1/3이하로 감소됨을 확인하였다. 반경 10m의 급곡선을 운행할 수 있도록 개별 회전 차륜 차축을 개발하였다. 또한 급구배 주행중 제동력 향상을 위해 밴드 제동장치를 개발하였으며, 제동력 시험을 통해 요구 제동력을 발휘할 수 있음을 확인하였다. 개발된 주요 부품은 시험을 통해 성능을 검증하였고, 최종적으로 급구배 및 급곡선 운행 대차시스템에 적용된다.